IV.5Образование и развитие навыков

vldsavelyev/guitar_tab_gpt2_bass — модель генерации текста на архитектуре GPT-2, обученная на датасете guitar_tab с табулатурами в формате alphaTex, отфильтрованными до партий для четырёхструнной бас-гитары. Она предназначена для генерации басовых табулатур, продолжения музыкальных фрагментов и создания черновых басовых партий по текстовому контексту. Репозиторий содержит веса PyTorch; контекст модели составляет 1024 токена. В метаданных указана дата публикации 2 апреля 2023 года. Лицензия и размер модели в доступных данных не приведены.

Guohua Diffusion — модель Langboat, полученная дообучением Stable Diffusion на традиционной китайской живописи. Она предназначена для генерации изображений по текстовым запросам с художественным стилем гохуа; для его активации в запросе рекомендуется использовать фразу «guohua style». Модель работает через StableDiffusionPipeline библиотеки Diffusers и также доступна в файле guohua.ckpt для WebUI. Лицензия — CreativeML OpenRAIL-M.

HeartMuLa-oss-3B — плотная аудиомодель семейства HeartMuLa, разработанная командой HeartMuLa. По метаданным она предназначена для преобразования текста в аудио; карточка указывает поддержку китайского, английского, японского, корейского и испанского языков. Модель распространяется в формате Safetensors. Модель можно применять для создания аудио по текстовому запросу. README отсылает к репозиторию проекта за инструкциями по запуску и локальному развертыванию. Лицензия Apache 2.0.

iceberg-1 — модель для генерации прозы в стиле Эрнеста Хемингуэя, созданная на базе Google Gemma 4 E4B Instruct. Это плотная мультимодальная архитектура Gemma 4, адаптированная одним этапом контролируемого дообучения с помощью LoRA ранга 32; обучение проводилось три эпохи в bfloat16 без квантизации и без настройки предпочтений или обучения с подкреплением. Модель предназначена для диалоговых запросов на создание сцен и другой прозы: она стремится отвечать короткими прямыми предложениями, опираясь на диалог и недосказанность. Обучающие примеры были составлены по трём романам Хемингуэя через обратное преобразование текстов в инструкции. В карточке описана проверка на дословное воспроизведение: на указанных тестах совпадений длиннее пяти слов с обучающим корпусом не обнаружено. Небольшой обучающий набор из 918 примеров может сужать способность следовать инструкциям, особенно если запрос не касается прозы. Лицензия репозитория — Gemma; условия базовой модели также применимы. Карточка не сообщает длину контекста и языковой охват.

JustRL-II Base Model — базовый чекпойнт OpenBMB для воспроизведения экспериментов по обучению небольших языковых моделей математическим рассуждениям с подкреплением. Это стартовая точка экспериментов JustRL II, а не модель после RL-обучения. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 2,2 млрд параметров и использует веса PyTorch в формате bf16. Она генерирует длинные цепочки рассуждений, помещая их в маркеры `...`, а затем выдаёт ответ; поддерживаемая длина контекста — 65 536 токенов. Чекпойнт предназначен для воспроизведения рецепта JustRL II и его абляций, а также для исследований обучения с подкреплением на длинных цепочках рассуждений, диагностики критика и калибровки сложности математических задач. В карточке сообщается результат около 61% на AIME 2025 до RL-обучения по протоколу авторов. Модель оценивалась только на математическом рассуждении и не выравнивалась для роли универсального ассистента; генерация может быть очень длинной. В экспериментах авторов использовался бюджет генерации 128k токенов, однако в конфигурации модели указано 65 536 позиций. Сведения о лицензии в предоставленных данных отсутствуют.

Kimina-Prover-Preview-Distill-1.5B — компактная языковая модель для автоматического доказательства теорем в Lean 4, разработанная командами Project Numina и Kimi. Модель создана дистилляцией Kimina-Prover-Preview, обученной с использованием масштабного обучения с подкреплением, и предназначена для задач математического доказательства в стиле соревнований. Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 16 384 токенов. README сообщает о лучших на момент выпуска результатах среди моделей сопоставимого размера и вычислительного бюджета на MiniF2F-test. Метаданные указывают английский язык; базовая модель Qwen2.5-Math-1.5B-Instruct описана как предназначенная также для китайского языка, но README не подтверждает языковой охват самой дистиллированной модели. Лицензия — Apache-2.0. Модель ориентирована на формальные математические доказательства в Lean 4; README не сообщает о качестве в других задачах и языках программирования.

DavidAU/L3-DARKER-PLANET-Broken-Land-12.15B-GGUF — текстовая генеративная модель семейства Llama 3, разработанная DavidAU. Она создана прежде всего для художественного письма: генерации рассказов, сцен, сюжетов и подсюжетов, продолжения текста, описаний, ролевых сценариев и творческого мозгового штурма. Модель ориентирована на прозу всех жанров, включая научную фантастику, романтику и хоррор. Модель содержит 12,15 млрд параметров и распространяется в формате GGUF. Заявлен максимальный контекст 8192 токена, с возможным расширением до 32 тысяч и более с использованием RoPE. Поддерживается английский язык. Архитектурной основой служит Llama 3; для работы требуется шаблон Llama 3 и/или Command-R. По описанию разработчика, модель создана на основе Dark Planet 8B, расширена на 20 слоёв и переработана методом Brainstorm 20x. Сильными сторонами считаются детализированная и эмоционально насыщенная проза, повышенная связность, более выразительные метафоры и описания, лучшее внимание к моменту действия и способность генерировать длинные тексты. Модель особенно сфокусирована на эмоциях и мыслях персонажей. При этом она может создавать NSFW-контент, жестокие и графичные сцены, содержит негативный уклон и не ориентирована на позитивные финалы. Высокие значения температуры могут ухудшать следование инструкциям, а расширение контекста через RoPE может приводить к проблемам качества; для снижения повторов рекомендуется repetition penalty 1.1 или выше. Лицензия модели — Apache-2.0.

L3-Horizon-Anteros-v0.1-13B — экспериментальная слитая модель на основе семейства Llama 3, опубликованная kromvault. Она предназначена для генерации художественного текста и ролевых диалогов, особенно сюжетных сцен с подробными описаниями; также автор отмечает хорошее следование инструкциям. Модель объединяет несколько чекпойнтов для RP и написания историй методом DELLA и имеет архитектуру LlamaForCausalLM. Размер — 12,7 млрд параметров, контекст — 8192 токена. Модель работает с текстом и ориентирована на английский язык. Автор описывает её стиль как многословный, драматичный и слегка чувственный; модель рассчитана в том числе на откровенные ролевые сцены. Качество ответов зависит от карточки персонажа и примеров, а модель может говорить от имени пользователя. Лицензия в предоставленных данных не указана.

L3-Jamet-8B-MK.V-Blackroot-12.2B-V1-INSTRUCT-ULTRA-F32-GGUF — текстовая генеративная модель Дэвида Огастина, созданная слиянием дообученной L3-Jamet-8B-MK.V-Blackroot и Meta-Llama-3-8B-Instruct. Репозиторий содержит веса в формате GGUF с точностью F32; заявленный размер модели после слияния — 12,2 млрд параметров. Модель предназначена прежде всего для написания и продолжения художественных историй, сцен и диалогов, а также ролевого взаимодействия. Автор отмечает выразительное предварительное предвосхищение событий, более подробное описание эмоций и обстановки, разнообразную прозу и улучшенное следование инструкциям и решение логических задач относительно исходной модели Blackroot. Для работы нужен шаблон Llama 3; также может подойти шаблон Command-R, который меняет стиль вывода. Заявленная длина контекста — 8192 токена; автор описывает возможность расширения до 32K и выше настройками RoPE. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0. Указанные возможности не являются независимой оценкой качества: стиль и результаты зависят от шаблона и параметров генерации.

Lafzyn — модель на базе Qwen/Qwen3.5-0.8B, дообученная для преобразования текста на урду в Международный фонетический алфавит (IPA). Она предназначена для получения произношения слов и фраз на урду и может использоваться как фонетический компонент систем синтеза речи, словарей и лингвистических инструментов. Это специализированная модель, а не универсальный чат-бот. В карточке указано обучение на 100 000 пар «урду–IPA» и оценка на 500 отложенных примерах: средняя ошибка на уровне символов IPA (PER) составила 16,94%, а полностью совпали с эталоном 88 транскрипций из 500. Методика разделения данных описана не полностью, поэтому результаты следует трактовать с осторожностью. Модель ориентирована на современный стандартный урду; качество для диалектов и смешения языков не оценивалось. Репозиторий распространяется под лицензией Apache-2.0. Карточка не уточняет источник и лицензию обучающих данных.

Intel LDM3D-4C — модель генерации изображений и карт глубины по текстовому описанию, разработанная авторами исследования LDM3D, принятого на конференцию CVPR 2023. Это дообученный латентный диффузионный чекпойнт на основе Stable Diffusion; в этой версии глубина представлена одним каналом. Модель формирует RGBD-изображения и предназначена для создания визуального контента, сцен с картой глубины и интерактивных 3D- и VR-представлений. Модель обучалась на подмножестве LAION-400M с парами изображений, карт глубины и подписей. В README указано, что она имеет 1,06 млрд параметров; метаданные связывают её с StableDiffusionLDM3DPipeline. Карточка описывает текстовые запросы на английском языке. Лицензия — CreativeML OpenRAIL-M. Качество генерации изображений сопоставимо с Stable Diffusion того же размера по приведённым метрикам, а показатели оценки глубины в опубликованном сравнении уступают DPT-Large. На модель распространяются ограничения и смещения Stable Diffusion; карты глубины также наследуют ограничения разметки, полученной с помощью DPT-Large.

Liujgoj-Cantonese-Qwen2.5-Omni-7B-SFT-V2 — инструкция-дообученная модель проекта Liujgoj Cantonese на базе Yvthyvq/Liujgoj-Cantonese-Qwen2.5-Omni-7B-CPT-V2. Это плотная модель семейства Qwen2.5-Omni с 7 млрд параметров; сохранена полная мультимодальная архитектура Omni, включая компоненты talker и token2wav, однако описанные задачи этой версии сосредоточены на работе с кантонским текстом. Модель следует явным инструкциям и предназначена для преобразования кантонского текста между латинской орфографией Liujgoj и традиционными китайскими иероглифами, разбиения слов на слоги, транскрипции в IPA и восстановления слогов по IPA. Её можно использовать в кантонских NLP-системах и как текстовую основу для последующей разработки задач распознавания и синтеза речи. Карточка сообщает о дообучении на 150 846 многозадачных примерах. Хотя архитектура поддерживает аудио, README описывает текущую версию как текстовую и не заявляет готовое распознавание или синтез речи. Модель не рассчитана на свободный диалог; возможны ошибки в редкой или специализированной романизации. Лицензия — Apache-2.0.

LLaMA-3-8B-SFR-RM-R — модель вознаграждения, выпущенная Salesforce как часть линейки SFR-Iterative-DPO-LLaMA-3-8B-R. Это плотная модель классификации последовательностей на архитектуре Llama с 7,5 млрд параметров и контекстом до 8192 токенов; веса опубликованы в формате safetensors. Модель использует вариант reward modeling на основе Vanilla Bradley–Terry (BT) и предназначена для оценки ответов или предпочтений в сценариях обучения с подкреплением по обратной связи от людей (RLHF). Модель можно применять для ранжирования вариантов ответа по оценке вознаграждения и как компонент конвейера RLHF. Salesforce указывает, что выпуск предназначен для исследований в поддержку академической статьи, а пригодность для конкретных применений, точность, безопасность и справедливость необходимо оценивать отдельно. Лицензия в метаданных обозначена как llama3.

Cas-Warehouse/Llama-3-SOVL-aaditya-OpenBioLLM-8B — объединённая модель на архитектуре Llama 3, созданная с помощью mergekit методом Model Stock. В качестве основы использована grimjim/llama-3-aaditya-OpenBioLLM-8B; при объединении также задействованы модели Aura, BlueMoon, Luna, RP_Format_QuoteAsterisk и Smarts от ResplendentAI. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста с контекстом до 8192 токенов. Базовая OpenBioLLM-8B предназначена для генерации текста и ответов на вопросы в биомедицинской и медицинской областях. Объединение добавляет компоненты нескольких других моделей Llama 3, однако карточка не описывает отдельно проверенные возможности этой итоговой модели или её качество. Условия лицензии в предоставленных данных не указаны.

Lucy Edit 1.1 Dev — открытая модель Decart AI для редактирования видео по текстовым инструкциям. Она построена на архитектуре Wan2.2 5B и использует стек VAE с высокой компрессией и DiT; размер модели — около 5 млрд параметров. Модель принимает видео и текстовый запрос, а на выходе создаёт отредактированное видео. Модель предназначена для смены одежды и аксессуаров, замены персонажей и объектов, добавления предметов, а также преобразования фона и стиля сцены. В README заявлены сохранение движения, композиции и идентичности персонажей, а также улучшенное согласование деталей между кадрами. Для более надёжного результата рекомендуются подробные запросы примерно из 20–30 слов; в карточке отмечено, что качество редактирования цвета может быть непостоянным, а радикальная смена стиля иногда меняет идентичность персонажа. Модель распространяется в форматах Diffusers и safetensors. Метаданные указывают лицензию «other», но README не раскрывает её конкретные условия, поэтому коммерческие и иные права использования по имеющимся данным определить нельзя.

Magistaroth-24B-v1-MPOA — текстовая генеративная модель для творческого письма и ролевых диалогов. Это версия Magistaroth-24B-v1, доработанная с помощью абляции MPOA; автор отмечает, что у неё нет отказов и стиль может быть выразительнее, хотя детализация уступает исходной версии. Модель построена на плотной архитектуре MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации историй и RP-диалогов на английском языке. Она может выдавать сцены с насилием и графическим эротическим содержанием. Для работы автор рекомендует шаблон чата Mistral Tekken. Модель распространяется по лицензии Apache-2.0.

Medorca-2x7b — языковая модель с архитектурой Mixture of Experts (MoE), объединяющая Meditron-7B от EPFL и Orca-2-7B от Microsoft. Она предназначена для генерации текста и может применяться к медицинским вопросам и общим диалоговым запросам. Репозиторий содержит веса в формате safetensors; объём модели по метаданным — 6,6 млрд параметров, контекст — до 4096 токенов. Модель создана на основе объединения двух моделей, одна из которых ориентирована на медицинские ответы. В README приведены названия медицинских бенчмарков, однако результатов оценки нет, поэтому качество ответов по ним установить нельзя. Модель распространяется по лицензии Apache-2.0.

MN Starlight Sylph 12B — объединённая языковая модель на архитектуре Mistral, созданная EldritchLabs с помощью mergekit и метода della. В слияние вошли пять моделей, включая Retreatcost/Mistral-Nemo-Base-2407-ChatML; размер модели — 12,1 млрд параметров, формат весов — safetensors, контекст — до 131 072 токенов. Модель предназначена для генерации художественных текстов на английском языке: написания рассказов и сцен, развития сюжета, продолжения историй и ролевого общения. В примере показана образная проза с атмосферными описаниями. Для общения рекомендуется шаблон Mistral Tekken; также можно попробовать ChatML. Модель выпущена под лицензией Apache-2.0. Она может отказывать в некоторых запросах, поскольку не проходила декензурирование; качество результата и форматирование зависят от выбранного шаблона чата.

DavidAU/MN-WORDSTORM-pt3-RCM-POV-Nightmare-18.5B-Instruct-GGUF — текстовая instruct-модель для генерации художественных текстов и ролевого взаимодействия. Она создана автором DavidAU как крупное объединение моделей на базе Mistral Nemo: MN-Rocinante-12B-v1.1, MN-12B-Celeste-V1.9 и MN-Magnum-v2.5-12B-kto, каждая из которых объединена с Mistral Nemo Instruct 12B. Модель ориентирована на английский язык и распространяется в формате GGUF. Основные сценарии применения — написание и продолжение сцен, создание сюжетов и подсюжетов, сторителлинг, развитие персонажей, диалогов и ролевых историй во всех жанрах. Заявлены сильные стороны в качестве прозы, следовании инструкциям, передаче голоса персонажей, юморе, эмоциональной выразительности, детализации мира, напряжённом действии, неожиданных поворотах и клиффхэнгерах. Модель имеет текстовую модальность, размер 18,5 млрд параметров и заявленное контекстное окно более 128 тысяч токенов. Модель специально настроена на интенсивные хоррор-сценарии и ситуации кошмара, поэтому может генерировать нецензурную лексику, NSFW-материалы, насилие, графические и тревожные сцены. Это делает её менее подходящей для безопасной или строго модерируемой генерации без дополнительной фильтрации. Для работы в README указаны шаблоны Alpaca, ChatML и Mistral Instruct. Лицензия — Apache 2.0.

MOSS-TTS-Local v1.5 Role-Play & Creature-Voice Fine-Tune — это полно-параметрическая донастройка модели OpenMOSS-Team/MOSS-TTS-Local-Transformer-v1.5, разработанная для синтеза речи с подробным следованием голосовым инструкциям. В карточке указаны 4,55 млрд параметров и 12 RVQ-кодбуков при частоте 48 кГц. Основной чекпойнт creatures_p9 ориентирован на ролевые, эмоциональные, фантастические и чудовищные голоса; отдельный чекпойнт roleplay_p8_clean лучше подходит для нейтральной студийной озвучки на английском. Модель принимает текст реплики и отдельную инструкцию о манере исполнения: тоне, настроении, эмоции или образе персонажа. Основные языки — английский и немецкий; также заявлено покрытие французского и испанского. По приведённым в README прокси-метрикам, исполнение фантастических голосов и следование английским инструкциям близки к указанным авторами верхним ориентирам, а немецкая разборчивость также близка к ним. Французский и испанский ролевой синтез проверялся на многоязычных наборах без отдельного специализированного бенчмарка. Лицензия CC-BY-NC-4.0 разрешает использование на условиях атрибуции и некоммерческого применения.

MusicGen Stereo Large — модель генерации музыки FAIR команды Meta AI. Это дообученная стереофоническая версия MusicGen Large с 3,3 млрд параметров: авторегрессионный Transformer предсказывает аудиотокены EnCodec, формируя два канала стереозвука. Модель принимает текстовые описания или аудиоподсказки и генерирует музыкальные фрагменты; звук кодируется при 32 кГц. Модель подходит для создания музыкальных набросков по описанию жанра, настроения и инструментов, а также для генерации музыки с аудиоподсказкой. Вокал реалистично генерировать не умеет; качество зависит от жанра и формулировки запроса, а некоторые фрагменты могут затихать раньше времени. Основной язык обучающих описаний — английский, поэтому на других языках результаты могут быть хуже. Разработчики предупреждают о возможных культурных перекосах в обучающих данных и рекомендуют оценивать риски перед применением в готовых продуктах. Веса распространяются по лицензии CC-BY-NC 4.0, которая ограничивает коммерческое использование.

Mustango — модель генерации музыки по текстовому описанию, разработанная авторами проекта Mustango. Она предназначена для создания музыкальных фрагментов с управляемыми характеристиками, включая соответствие описанию, аккорды и темп. Архитектура сочетает латентную диффузионную модель (LDM), Flan-T5 и музыкальные признаки; модель обучалась на MusicBench, содержащем 52 тысячи фрагментов с музыкальными текстовыми описаниями. В README приведена экспертная субъективная оценка генераций Mustango на MusicBench по соответствию тексту, аккордам, темпу, качеству аудио и музыкальности. Модель принимает текст и выдаёт аудио. Репозиторий распространяется по лицензии Apache-2.0. В карточке не приведены размер модели и длина контекста.

One-to-All Animation — модель для анимации персонажей и переноса позы на изображения, представленная авторами проекта One-to-All Animation. Она переносит движения на персонажа с одного референсного изображения и предназначена для генерации видео с гибким управлением движением, в том числе при произвольном расположении пары «референс — поза». Доступен чекпойнт размером 1,3 млрд параметров. Модель принимает изображение и создаёт видео; репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Diffusers. В README заявлена поддержка более длинных видео и случаев вне обучающего распределения. Лицензия — Apache-2.0.

Qwen 360 Diffusion — модель генерации изображений по тексту, созданная ProGamerGov на базе Qwen Image. Это LoRA ранга 128 для 20-миллиардной архитектуры MMDiT; она обучена создавать панорамные изображения в эквидистантной проекции 360° и также может генерировать обычные изображения. Обучение включало разнообразные панорамы и обычные фотографии для сохранения реалистичности. Репозиторий распространяется в формате safetensors, лицензия — MIT. Модель предназначена для создания панорамных сцен, фотографий, иллюстраций, интерьеров, пейзажей и других изображений, в том числе для VR-сред, skybox и фонов 3D-сцен. Для панорам автор рекомендует соотношение сторон 2:1 и разрешение 2048×1024; подсказки о стиле или художественном медиуме помогают управлять результатом. Языковые теги карточки указывают английский язык. Изображения имеют особенности сферической проекции: края панорамы соединяются, а вертикальные области растягиваются; при просмотре в обычном виде искажение заметнее, чем в 360°-просмотрщике. Обучающие данные чаще показывают зрителя на уровне 90° к направлению силы тяжести, поэтому для иных вертикальных ракурсов может потребоваться поворот изображения. Для подключения LoRA нужна совместимая базовая модель Qwen Image.

Карточка модели wolf1280/Qwen-Image-Edit-Rapid-AIO-V4 на Hugging Face совпадает с карточкой prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V4, поэтому описание составлено по ней. Модель prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V4 — версия весов трансформера для Diffusers, подготовленная из Phr00t/Qwen-Image-Edit-Rapid-AIO-V4. Это дообученная модель редактирования изображений на основе семейства Qwen Image Edit; заявлен ускоренный вывод за 4 шага. Репозиторий содержит веса в формате safetensors и рассчитан на запуск через библиотеку Diffusers. Модель предназначена для преобразования изображений по текстовым инструкциям и быстрого экспериментирования с редактированием изображений. В карточке нет сведений о размере, длине контекста и поддерживаемых языках; метаданные отмечают английский язык. Лицензия — Apache-2.0.

Rastignac 1.0 — 126M — это французская авторегрессионная языковая модель Mathieu680, обученная с нуля на 3 348 книгах французской литературы. Модель построена на причинном Transformer типа GPT-2 и содержит 126 481 920 параметров; для загрузки доступны веса в формате Safetensors и библиотека Transformers. Контекст составляет 1 024 токена. Модель предназначена для продолжения французского текста: по началу предложения или абзаца она генерирует продолжение в преимущественно литературном регистре. Корпус собран из электронных книг, связанных с Project Gutenberg; средняя дата произведений с известной датировкой — около 1898 года. Модель обучалась предсказывать следующий токен и может быть полезна для литературных стилизаций и экспериментов с французской прозой. Это компактная специализированная модель, поэтому её возможности ограничены обучением на французской литературе: она не предназначена для универсального диалога или надёжной работы с фактами. В метаданных указана лицензия other; README предупреждает, что права на повторное использование могут зависеть от авторов, изданий и страны, и рекомендует проверить условия Project Gutenberg.

Celeste V1.9 — модель для генерации историй и ролевых диалогов, созданная emplitude на базе Mistral Nemo 12B Instruct. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, обученная на примерах в формате ChatML. В карточке указано нативное контекстное окно 1 024 000 токенов, однако автор сообщает, что обучение проводилось на контексте 8K и ожидает перенос способности работать с длинным контекстом как минимум до 16K. Модель предназначена для написания художественной прозы и многоходовых ролевых сцен, в том числе контента для взрослых; она поддерживает как SFW-сценарии, так и NSFW по запросу пользователя. Автор отмечает, что стиль и поведение заметно зависят от начальных сообщений, примеров и OOC-инструкций, а разные варианты генерации могут существенно отличаться. Для работы рекомендованы шаблон ChatML и настройки сэмплирования из карточки. Модель основана на Mistral Nemo 12B Instruct и дообучена на наборах WritingPrompts, DirtyWritingPrompts, Opus Instruct и очищенных диалогах c2. Метаданные указывают язык en. Лицензия — Apache-2.0. Описание не подтверждает, что заявленное метаданными контекстное окно в 1 024 000 токенов проверено именно для этого дообученного чекпойнта.

RussianNLP/ruRoBERTa-large-rucola — дообученная модель RuRoBERTa-large от RussianNLP для классификации лингвистической приемлемости на бенчмарке RuCoLA. Она оценивает, является ли русское предложение грамматически приемлемым, и подходит для экспериментов и автоматической разметки предложений в задачах лингвистики и обработки русского языка. Модель построена на архитектуре RoBERTa и содержит 454,1 млн параметров. Она принимает текст, выдаёт классовую метку и рассчитана на контекст до 514 токенов. Для дообучения использовались пять эпох, AdamW, пакет размером 32 и ранняя остановка по MCC на валидационной выборке. Модель распространяется по лицензии Apache-2.0. Её специализация — оценка приемлемости предложений в рамках RuCoLA; карточка не подтверждает качество на иных наборах данных или для более широких задач классификации.

Samantha-1.11-7b — диалоговая модель QuixiAI на базе Llama 2, дообученная методом QLoRA на 6 000 специально отобранных диалогах в формате ShareGPT/Vicuna. Она предназначена для общения в роли дружелюбного собеседника и помощника по вопросам философии, психологии и личных отношений; в карточке приведён пример советов и планирования действий для повышения уверенности при знакомствах. Модель использует архитектуру Llama для генерации текста, принимает текстовые запросы и выдаёт текстовые ответы на английском языке. Размер — 6,6 млрд параметров, контекст — до 4 096 токенов; формат весов в репозитории — PyTorch. Карточка сообщает, что модель не участвует в ролевых играх, романтических или сексуальных взаимодействиях. Её самоописание как разумного ИИ является частью заданной персоны, а не подтверждённым свойством. Модель выпущена под лицензией Llama 2, условия которой допускают коммерческое и некоммерческое использование с ограничениями.

kambleaa007/sanskrit-gpt-finetuned — генеративная языковая модель на базе архитектуры GPT-2, опубликованная пользователем kambleaa007 на Hugging Face. По названию репозитория модель предназначена для генерации текста на санскрите и, вероятно, была дообучена для этой задачи с использованием supervised fine-tuning; README не содержит подробностей о разработчике, датасете и процедуре обучения. Модель используется через библиотеку Transformers и решает задачу text-generation: продолжение санскритского текста, создание фрагментов текста по подсказке и экспериментальная генерация. Нативная длина контекста составляет 512 токенов. Метаданные не содержат сведений о лицензии, числе параметров, точной языковой поддержке, результатах оценки или безопасных сценариях применения.